再读《AI 极简经济学》

人工智能这个词出现很多年了，从来都没有精确的定义，人们一般把它作字面解读，认为它的含义是“像人类的智慧一样”。实际上，人类的智慧到底是什么，也很难说清楚。目前的人工智能技术在各个行业也得到了广泛的应用，包括医药、化学、高能物理等等，不只是新闻中常出现的识别人脸、下围棋、打游戏等。它能够产生这么大的影响，核心并不是复杂的逻辑判断，而是简单有效的预测，或者说使用已有的信息（就是数据）填充缺失的信息。比如，根据输入的语音，预测这些语音代表的单词，根据一个人过去说过的所有话、当前正在说的话，来预测他要说的下一句话，根据一个地区所有人的购物记录来预测第二天的新订单内容，方便提前备货。这些看似简单的预测产生了巨大的价值，比如现在 GPT3 可以写读、做画、写网页、写代码。不过，它依然不能够解决一般的数学题，也不具备基本的逻辑（比如它会预测太阳有眼睛）。

一项新技术能够对现实产生的影响，核心不在于它有多么复杂、高深，而是它有没有将产品或服务的成本降下来。若有，则它就会产生巨大的影响。若没有，则不会产生太多的影响。这与智能不智能并没有太大的关系，而是经济学的基本规律。AI 产生了这么大的影响，核心原因就是在于它将生产成本大幅降低，比如谷歌的翻译系统从原来几十万行代码减少为几千行代码，翻译一篇文章的人力成本从 1 天变成不到 0.5 天。

准确预测的前提有足够多质量好的数据，好数据代表里面包含的有效信息多，模型从中就可以学到有用的相关性。好数据是一切的起点，大多数企业和人还做不到这一点，只有很少的数据，或者有大量充满的无用和错误的数据。这是应用 AI 能力的一个显著障碍。

有了好数据，应用上成熟的模型，就可以得到有效的预测。有了好的预测，就可以大大减少不确定性，考虑更多的可能性。比如说出行前查一下地图，可以比较精确地预测到达时间，从而估计出精确的出发时间。再比如做化学实验或者药物研究，可以先在模拟环境上做预测，然后琐定有效的方案，这样可以减少失败的次数，大大加快研究进程。

那么如何在工作中有效地运用 AI 技术呢？首先是拆解工作流程，将一个完整的流程拆分为多个任务，再识别中任务当中需要做的决策，看看哪些决策可以用 AI 自动化。这个拆解过程，可以使用人工智能画布来实现。比如，要将招生过程自动化，就要先识别出输入是什么，输出是什么，哪些是约束条件，有什么样的现成数据可以使用。

通过画布分析之后，就可以确定如何将 AI 技术带入工作流程中。AI 是个系统工程，它可以在使用过程中自动学习，也需要人工介入来改善准确率和发现的问题。这与一般的程序不一样，AI 的能力与数据紧密相关，受数据的影响，一般的程序是没有这个问题的。这就需要产品经理懂 AI 技术，不能把它当作固定不变的能力，还需要 AI 开发懂业务，只在模拟数据上做出的测试是经不起现实检验的。比较好的方法就是 AI 开发和业务肩并肩，自己动手操作一下具体的业务，了解它们的形态和决策逻辑，理解他们的压力和目标，将所有相关的杂活都包括进来，而不只是研究高冷的算法。只有理解了实际业务，搜集到了完整的数据，才可以生成高质量的预测，才能够产生较大的价值。即使如此，也还需要持续地调整、改进，以适应新的变化。所有这一切，都需要在不断的迭代中完成，而不是寄希望于一次性解决。